计算 Keras CNN 模型的指标

Question

我有一个 CNN 模型，可以识别总共 4 个姿势的人体姿势，我将通过计算召回率、精度、fmeasure、准确度等指标来测试我的模型的性能。精度是在 Keras 库中默认计算的，但另一个我需要实现它们。我找到了计算这些指标的源代码，但我认为这是用于二进制分类：

def precision(y_true, y_pred):

true_positives = K.sum(K.round(K.clip(y_true * y_pred, 0, 1)))
predicted_positives = K.sum(K.round(K.clip(y_pred, 0, 1)))
precision = true_positives / (predicted_positives + K.epsilon())
return precision

def recall(y_true, y_pred):

true_positives = K.sum(K.round(K.clip(y_true * y_pred, 0, 1)))
possible_positives = K.sum(K.round(K.clip(y_true, 0, 1)))
recall = true_positives / (possible_positives + K.epsilon())
return recall


def f1(y_true, y_pred):

def recall(y_true, y_pred):

    true_positives = K.sum(K.round(K.clip(y_true * y_pred, 0, 1)))
    possible_positives = K.sum(K.round(K.clip(y_true, 0, 1)))
    recall = true_positives / (possible_positives + K.epsilon())
    return recall

def precision(y_true, y_pred):

    true_positives = K.sum(K.round(K.clip(y_true * y_pred, 0, 1)))
    predicted_positives = K.sum(K.round(K.clip(y_pred, 0, 1)))
    precision = true_positives / (predicted_positives + K.epsilon())
    return precision
precision = precision(y_true, y_pred)
recall = recall(y_true, y_pred)
return 2*((precision*recall)/(precision+recall+K.epsilon()))

model.compile(loss='binary_crossentropy',
          optimizer= "adam",
          metrics=[mcor,recall, f1])

我认为这只是用于二进制分类，所以我需要你的帮助，如果我不能将它用于多标签分类，我可以使用什么方法？

Answer 1

因为您的最终输出可以有 4 个标签。在model.compile部分更改

loss='binary_crossentropy' 到 loss='categorical_crossentropy'

在你的神经网络架构的最后一层，将激活函数更改为'softmax''，同时输出神经元的数量也应该改变。 其他更改（例如输入形状）将取决于您提供给模型的数据。

请参阅此博客以了解有关 CNN 的更多信息。

https://towardsdatascience.com/convolutional-neural-networks-for-beginners-practical-guide-with-python-and-keras-dc688ea90dca

请参阅此博客以了解有关如何计算深度学习模型的精度、召回率、F1 等的更多信息

https://machinelearningmastery.com/how-to-calculate-precision-recall-f1-and-more-for-deep-learning-models/